首页--医药、卫生论文--内科学论文--心脏、血管(循环系)疾病论文--心脏疾病论文--先天性心脏血管病论文

先天性心脏病心音信号分析方法研究

摘要第3-5页
Abstract第5-6页
目录第7-11页
第一章 绪论第11-19页
    1.1 研究背景第11-13页
    1.2 国内外研究现状第13-16页
    1.3 论文研究工作及创新点第16-17页
    1.4 论文章节结构第17-19页
第二章 心音及杂音的产生机理及分析方法第19-40页
    2.1 心音产生第19-23页
        2.1.1 心脏的结构第19-20页
        2.1.2 心音的产生第20-22页
        2.1.3 心音的采集第22-23页
    2.2 心音异常第23-25页
        2.2.1 杂音的产生第23-24页
        2.2.2 杂音的特点第24-25页
    2.3 心音分析第25-39页
        2.3.1 本文分析流程第25-26页
        2.3.2 常用分离模型第26-34页
        2.3.3 特征提取方法第34-37页
        2.3.4 分类聚类算法第37-39页
    2.4 本章小结第39-40页
第三章 心音预处理第40-53页
    3.1 心音信号融合第40-41页
    3.2 心音信号去噪第41-46页
        3.2.1 FIR滤波去噪第42-43页
        3.2.2 EEMD算法去噪第43-46页
    3.3 心音信号分割第46-52页
        3.3.1 模板匹配算法思想第46-47页
        3.3.2 模板匹配算法流程第47-50页
        3.3.3 模板匹配算法实验第50-52页
    3.4 本章小结第52-53页
第四章 单通道部分重叠稀疏模型第53-80页
    4.1 单通道部分重叠的稀疏模型特点第53-59页
        4.1.1 基于线性聚类的稀疏模型描述第54-57页
        4.1.2 单通道部分重叠稀疏模型描述第57-58页
        4.1.3 单通道部分重叠稀疏模型分离流程第58-59页
    4.2 单通道部分重叠的稀疏模型分离算法第59-72页
        4.2.1 单通道部分重叠稀疏模型的分离流程汇总第59页
        4.2.2 样本信号生成第59-60页
        4.2.3 基于EEMD算法的信号分解第60页
        4.2.4 基于LC-SCA思想的信号合并第60-62页
        4.2.5 基于FastICA算法的信号分离第62-64页
        4.2.6 混合向量估计第64-69页
        4.2.7 分离信号的矫正第69-70页
        4.2.8 单通道部分重叠稀疏模型分离实例第70-72页
    4.3 单通道部分重叠的稀疏模型应用第72-79页
        4.3.1 心音信号样本提取第72-73页
        4.3.2 心音信号及杂音的分离第73-77页
        4.3.3 心音信号混合向量估计及矫正第77-78页
        4.3.4 心音杂音分离的流程汇总第78-79页
    4.4 本章小结第79-80页
第五章 心音特征提取方法第80-97页
    5.1 心音特性分析第80-81页
    5.2 可分割定位的心音特征提取第81-87页
        5.2.1 心音频谱特征及小波系数计算第81-84页
        5.2.2 心音倒谱系数及基频计算第84-85页
        5.2.3 心音的谱的质心及谱通量计算第85-86页
        5.2.4 心音的各段能量及其比值计算第86-87页
    5.3 不可分割定位的心音特征提取第87-92页
        5.3.1 特征提取流程第87-88页
        5.3.2 特征提取实例第88-92页
        5.3.3 特征提取总结第92页
    5.4 特征归一化及压缩第92-95页
        5.4.1 心音特征的归一化第93页
        5.4.2 心音特征压缩及降维第93-95页
    5.5 本章小结第95-97页
第六章 心音数据实验分析结果第97-118页
    6.1 心音数据描述第97-101页
        6.1.1 蒙特利尔心脏研究所心音数据第97-98页
        6.1.2 本地区实测心音数据第98-99页
        6.1.3 心音数据综合描述第99-101页
    6.2 可分割定位心音信号分类第101-107页
        6.2.1 倒谱系数压缩特征分类结果第101-103页
        6.2.2 心音能量分布压缩特征分类结果第103页
        6.2.3 心音谱的质心及谱通量压缩特征分类结果第103-105页
        6.2.4 心音的杂音占比数值特征提取及分类结果第105-106页
        6.2.5 心音小波系数特征提取及分类结果第106-107页
    6.3 不可分割定位的心音聚类第107-109页
    6.4 心音信号的其它分类第109-114页
        6.4.1 术前术后心音分类第109-111页
        6.4.2 ASD和VSD病种的分类第111-112页
        6.4.3 心音信号的快速分类第112-114页
    6.5 心音特征分类实验结果分析第114-117页
    6.6 本章小结第117-118页
第七章 总结和展望第118-121页
    7.1 本文工作总结第118-119页
    7.2 下一步研究工作第119-121页
附录第121-129页
    附录一 40例心音信号倒谱系数压缩特征第121-122页
    附录二 40例心音信号不同频率段下的能量分布第122-123页
    附录三 40例心音信号谱的质心和谱通量压缩特征第123-125页
    附录四 40例心音信号数值特征第125-126页
    附录五 40例心音信号小波系数压缩特征第126-127页
    附录六 35例不可分割定位心音信号压缩特征第127-129页
参考文献第129-137页
攻读博士学位期间完成的科研成果第137-139页
致谢第139页

论文共139页,点击 下载论文
上一篇:手作品牌设计的禅意美学研究
下一篇:高速公路联网收费清分软件设计与实现